MetaGPT
v0.8.1
為GPT分配不同的角色，形成一個協作實體來完成複雜的任務。
2024年10月29日：我們介紹了三篇論文：AFLOW、FACT、SELA，查看程式碼！
2024 年 3 月 29 日：v0.8.0 發布。現在您可以透過 pypi 套件匯入使用 Data Interpreter（arxiv，範例，程式碼）。同時，我們整合了RAG模組並支援多個新的LLM。
2024年2月8日：v0.7.0發布，支援將不同的LLM分配給不同的角色。我們還引入了 Data Interpreter，這是一個能夠解決各種現實問題的強大代理。
2024 年 1 月 16 日：我們的論文 MetaGPT：多智能體協作框架的元程式設計在 ICLR 2024 上被接受為口頭報告（前 1.2%） ，在基於 LLM 的智能體類別中排名第一。
2024年1月3日：v0.6.0發布，新功能包括序列化、升級OpenAI包並支援多個LLM、提供最少的辯論範例等。
2023年12月15日：v0.5.0發布，引進增量開發、多語言、多種程式語言等實驗性功能。
2023 年 11 月 8 日：MetaGPT 入選 Open100：百大開源成就。
2023 年 9 月 1 日：MetaGPT 在 2023 年 8 月第 17 次位居 GitHub 每月趨勢榜首。
？ 2023 年 6 月 30 日：MetaGPT 現已開源。
？ 2023 年 4 月 24 日：第一行 MetaGPT 代碼已提交。
Code = SOP(Team)是核心理念。我們具體化SOP並將其應用於由法學碩士組成的團隊。 
軟體公司多Agent示意圖（逐步實施）
確保您的系統上安裝了 Python 3.9 或更高版本，但低於 3.12。您可以使用以下命令進行檢查：
python --version。
您可以像這樣使用 conda：conda create -n metagpt python=3.9 && conda activate metagpt
pip install --upgrade metagpt
# or `pip install --upgrade git+https://github.com/geekan/MetaGPT.git`
# or `git clone https://github.com/geekan/MetaGPT && cd MetaGPT && pip install --upgrade -e .`詳細安裝指導請參考cli_install或docker_install
您可以透過執行以下命令來初始化 MetaGPT 的配置，或手動建立~/.metagpt/config2.yaml檔案：
# Check https://docs.deepwisdom.ai/main/en/guide/get_started/configuration.html for more details
metagpt --init-config # it will create ~/.metagpt/config2.yaml, just modify it to your needs您可以根據範例和文件配置~/.metagpt/config2.yaml ：
llm :
api_type : " openai " # or azure / ollama / groq etc. Check LLMType for more options
model : " gpt-4-turbo " # or gpt-3.5-turbo
base_url : " https://api.openai.com/v1 " # or forward url / other llm url
api_key : " YOUR_API_KEY "安裝後，您可以在 CLI 中使用 MetaGPT
metagpt " Create a 2048 game " # this will create a repo in ./workspace或將其用作庫
from metagpt . software_company import generate_repo , ProjectRepo
repo : ProjectRepo = generate_repo ( "Create a 2048 game" ) # or ProjectRepo("")
print ( repo ) # it will print the repo structure with files您也可以使用 Data Interpreter 編寫程式碼：
import asyncio
from metagpt . roles . di . data_interpreter import DataInterpreter
async def main ():
di = DataInterpreter ()
await di . run ( "Run data analysis on sklearn Iris dataset, include a plot" )
asyncio . run ( main ()) # or await main() in a jupyter notebook setting？加入我們的 Discord 頻道！期待在那裡見到您！ ？
填寫表格以成為貢獻者。我們期待您的參與！
如果您對此項目有任何疑問或回饋，請隨時與我們聯繫。我們非常感謝您的建議！
我們將在 2-3 個工作天內回覆所有問題。
要了解最新的研究和開發動態，請在 Twitter 上關注@MetaGPT_。
若要在出版品中引用 MetaGPT 或 Data Interpreter，請使用下列 BibTeX 條目。
@inproceedings { hong2024metagpt ,
title = { Meta{GPT}: Meta Programming for A Multi-Agent Collaborative Framework } ,
author = { Sirui Hong and Mingchen Zhuge and Jonathan Chen and Xiawu Zheng and Yuheng Cheng and Jinlin Wang and Ceyao Zhang and Zili Wang and Steven Ka Shing Yau and Zijuan Lin and Liyang Zhou and Chenyu Ran and Lingfeng Xiao and Chenglin Wu and J{"u}rgen Schmidhuber } ,
booktitle = { The Twelfth International Conference on Learning Representations } ,
year = { 2024 } ,
url = { https://openreview.net/forum?id=VtmBAGCN7o }
}
@misc { hong2024data ,
title = { Data Interpreter: An LLM Agent For Data Science } ,
author = { Sirui Hong and Yizhang Lin and Bang Liu and Bangbang Liu and Binhao Wu and Danyang Li and Jiaqi Chen and Jiayi Zhang and Jinlin Wang and Li Zhang and Lingyao Zhang and Min Yang and Mingchen Zhuge and Taicheng Guo and Tuo Zhou and Wei Tao and Wenyi Wang and Xiangru Tang and Xiangtao Lu and Xiawu Zheng and Xinbing Liang and Yaying Fei and Yuheng Cheng and Zongze Xu and Chenglin Wu } ,
year = { 2024 } ,
eprint = { 2402.18679 } ,
archivePrefix = { arXiv } ,
primaryClass = { cs.AI }
}
@misc { zhang2024aflow ,
title = { AFlow: Automating Agentic Workflow Generation } ,
author = { Jiayi Zhang and Jinyu Xiang and Zhaoyang Yu and Fengwei Teng and Xionghui Chen and Jiaqi Chen and Mingchen Zhuge and Xin Cheng and Sirui Hong and Jinlin Wang and Bingnan Zheng and Bang Liu and Yuyu Luo and Chenglin Wu } ,
year = { 2024 } ,
eprint = { 2410.10762 } ,
archivePrefix = { arXiv } ,
primaryClass = { cs.AI } ,
url = { https://arxiv.org/abs/2410.10762 } ,
}
